遥感反演土壤水分(SM)产品越来越多地应用于农业、气象、水文等研究,而微波土壤水分数据产品的区域适用性分析是其合理使用的必要前提。使用MERRA-2(Modern Era Retrospective-analysis for Research and Applications,Version 2)模拟...遥感反演土壤水分(SM)产品越来越多地应用于农业、气象、水文等研究,而微波土壤水分数据产品的区域适用性分析是其合理使用的必要前提。使用MERRA-2(Modern Era Retrospective-analysis for Research and Applications,Version 2)模拟土壤水分为参考数据,运用传统统计方法(原始数据相关性、距平相关性、偏差以及无偏均方根差)和TC(Triple-Collocation)不确定性误差模型分析的方法,对亚洲区域2012年7月～2016年7月两种被动微波土壤水分SMOS-L3-SM(Soil Moisture and Ocean Salinity,L3)和AMSR2-LPRM-SM(The Advanced Microwave Scanning Radiometer 2,Land Parameter Retrieval Model Product)进行对比评估。结果表明:①空间上SMOS-L3较AMSR2-LPRM数据与参考数据MERRA-2土壤水分的相关性较好,表现为SMOS-L3-SM具有较好的空间连续性,且在亚洲大多数地区有较小的无偏均方根差;②湿季条件下遥感土壤水分与参考值的相关性比干季条件下的相关性更好,且干季出现高纬地区(约>55°)缺失值较多的情况;③两遥感土壤水分的TC误差呈现相似的分布,区域TC平均误差两者均为0.076 m^3/m^3。总之,SMOS-L3-SM和AMSR2-LPRM-SM在空间相关性及TC误差评价方面都具有合理性,为遥感土壤水分在农业、气象、水文等方面的应用提供参考。展开更多
文摘遥感反演土壤水分(SM)产品越来越多地应用于农业、气象、水文等研究,而微波土壤水分数据产品的区域适用性分析是其合理使用的必要前提。使用MERRA-2(Modern Era Retrospective-analysis for Research and Applications,Version 2)模拟土壤水分为参考数据,运用传统统计方法(原始数据相关性、距平相关性、偏差以及无偏均方根差)和TC(Triple-Collocation)不确定性误差模型分析的方法,对亚洲区域2012年7月～2016年7月两种被动微波土壤水分SMOS-L3-SM(Soil Moisture and Ocean Salinity,L3)和AMSR2-LPRM-SM(The Advanced Microwave Scanning Radiometer 2,Land Parameter Retrieval Model Product)进行对比评估。结果表明:①空间上SMOS-L3较AMSR2-LPRM数据与参考数据MERRA-2土壤水分的相关性较好,表现为SMOS-L3-SM具有较好的空间连续性,且在亚洲大多数地区有较小的无偏均方根差;②湿季条件下遥感土壤水分与参考值的相关性比干季条件下的相关性更好,且干季出现高纬地区(约>55°)缺失值较多的情况;③两遥感土壤水分的TC误差呈现相似的分布,区域TC平均误差两者均为0.076 m^3/m^3。总之,SMOS-L3-SM和AMSR2-LPRM-SM在空间相关性及TC误差评价方面都具有合理性,为遥感土壤水分在农业、气象、水文等方面的应用提供参考。
